|
|
ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی با استفاده از سیستم اطلاعات جغرافیایی gis (مطالعه موردی: دشت دهلران، ایلام)
|
|
|
|
|
نویسنده
|
یعقوبی ثریا ,فرامرزی مرزبان ,کریمی حاجی ,سروریان جواد
|
منبع
|
سنجش از دور و سامانه اطلاعات جغرافيايي در منابع طبيعي - 1395 - دوره : 7 - شماره : 3 - صفحه:61 -77
|
چکیده
|
یکی از مشکلات اصلی مناطق خشک و نیمهخشک حاکمیت پدیده بیابان زایی است. بنابراین، شناخت و پیشبینی عوامل موثر در پیشرفت پدیده بیابانزایی میتواند در مدیریت بهتر این مناطق موثر واقع شود. هدف از این تحقیق ارزیابی صحت مدل شبکه عصبی مصنوعی در پیشبینی روند بیابانزایی و انتخاب موثرترین معیار بیابانزایی در دشت دهلران با استفاده از مدل ایرانی ارزیابی وضعیت بیابانزایی (imdpa) است. در این روش دو معیار آب و اقلیم به عنوان عوامل موثر در بیابانزایی انتخاب شدند. برای معیار اقلیم سه شاخص بارش سالانه، شاخص spi و تداوم خشکسالی و برای معیار آب پنج شاخص افت آب، نسبت جذب سدیم، کلر، هدایت الکتریکی و کل مواد محلول در آب ارزیابی شد. با استفاده از مدل مذکور هر شاخص امتیازدهی شد. سپس با میانگین هندسی نقشههای معیار و شدت بیابانزایی در نرمافزار arcgis®93 برای دوره مورد نظر تهیه شد. در نهایت دادهها به شبکه عصبی مصنوعی جهت پیشبینی وارد شدند. نتایج نشاندهنده کارایی بالای مدلهای شبکه عصبی مصنوعی در پیشبینی روند بیابانزایی بود به گونهای که دقت شبکه بالای 80 درصد و میانگین مربعات خطا کمتر از یک بدست آمد. همینطور بر اساس نتایج بدست آمده برای دوره پیشبینی شده مهمترین معیارهای احتمالی تاثیرگذار بر شدت بیابانزایی منطقه به ترتیب معیارهای اقلیم و آب با متوسط وزنی 2 (متوسط زیر کلاس 1، 2 و 3)، 84/1 (متوسط زیر کلاس 1 و 2) رتبهبندی گردیدند.
|
کلیدواژه
|
شبکه عصبی مصنوعی، مدل ایرانی ارزیابی پتانسیل بیابان زایی، سیستم اطلاعات جغرافیایی، دشت دهلران
|
آدرس
|
دانشگاه ایلام, ایران, دانشگاه ایلام, دانشکده کشاورزی, ایران, دانشگاه ایلام, دانشکده کشاورزی, ایران, دانشگاه ایلام, دانشکده کشاورزی, ایران
|
پست الکترونیکی
|
j.sarvarian@gmail.com
|
|
|
|
|
|
|
|
|
Assessment of efficiency of artificial neural network in predicting the trend of desertification processes by using GIS (Case study: Dehloran plain, Ilam)
|
|
|
Authors
|
Yaghoobi Soraya ,Faramarzi Marzban ,Karimi Haji ,Sarvarian Javad
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|